改进随机森林算法在Android恶意软件检测中的应用

• 作 者: 吴非 吴向前 陈晓燕
• 机 构: 新疆大学信息科学与工程学院,新疆大学资源与环境科学学院
• 出 处: 新疆大学学报：自然科学版
• 发表日期: 2017年3期
• 关键词: RANDOM FOREST ANDROID 降序去冗 寻优 Random Forest Android descending remove redundancy
• 基金项目: 国家自然科学基金（61303231）

Random Forest作为一种常见的机器学习算法,不仅具备较高的分类回归性能,而且快速高效.传统的Random Forest算法并未在决策树的生成和选择上做深入研究,在本文中笔者提出一种降序去冗的寻优方式对机器学习中监督学习算法Random Forest进行改进,在保证准确率的同时减少随机森林的冗余度,并应用于Android系统的恶意软件检测.经过五折交叉验证法验证,改进的Random Forest算法能够在较低的冗余度下保证较高的准确率,同时改进的算法准确率在与同条件下的原算法的准确率以及OOB模型